需要结合中间值处理的理论与实现。人脸识别是生物特征识别领域里的最新应用，人脸识别系统的核心技术的实现，实现了弱人工智能向强人工智能的转变。人脸识别系统构脸识别系统的结构图如下图所示图人脸识别系统结构图人脸图像采集及检测人脸图像采集通过摄像头采集不同对象的人脸图像，并生成原始人脸图像。其中对象包括静态图像和视频流。当用户被采集对象在采集设备的拍摄范围内的时候，采集设备就会自动搜索和拍摄该对象的人脸图像作为原始人脸图像。人脸识别系统人脸采集与检测预处理特征提取匹配与识别第页西华大学毕业设计说明书人脸检测人脸检测在现实实践中主要应用于人脸识别的预处理，主要过程就是根据人脸图像的各种模式特征算法，在采集的原始人脸图像中准确标出人脸的位置和大小。人脸图像预处理人脸图像预处理人脸图像的预处理是在设备检测到人脸之后，对检测到的人脸图像进行处理，然后用于人脸特征提取的过程。由于系统采集到的原始人脸图像往往会受到各种外部因素的限制和干扰，就不能够直接拿来使用，所以就必须在图像处理的早期阶段对它进行灰度校正直方图均衡化等图像预处理。人脸图像特征提取人脸图像特征提取人脸识别系统中可以使用的特征般分成视觉特征人脸图像变换系数特征像素统计特征人脸图像代数特征等。人脸的特征提取就是针对人脸的些特征来进行的。人脸的特征提取，它主要是个对人脸进行特征建模的过程。人脸特征提取的方法总结起来就分成两种情况种是基于知识的表征方法另种则是基于代数特征或统计学习的表征方法。人脸图像匹配与识别人脸图像匹配与识别把提取到的人脸图像的特征数据和数据库中已知的特征模板进行搜索匹配，事先设定个阈值，当两个数据的特征相似度超过这个阈值的时候，就认为匹配成功，然后再把匹配得出的结果显示出来。人脸识别就是把待识别的人脸特征和已知的人脸特征模板进行比较，并根据两者的相似程度对待识别人脸的身份信息进行判断。这过程又分成两种情况种是验证，是进行对图像比较的过程，另种则是辨识，是进行对多进行图像匹配对比的过程。人脸识别常用方法人脸识别的方法有很多，下面介绍些主要的人脸识别方法。几何特征的人脸识别方法几何特征是指眼鼻嘴等的形状和它们之间存在的几何关系，比如它们之第页西华大学毕业设计说明书间的距离等。这种算法的优点是识别的速度很快，需要的内存也很小，但缺点就是识别率比较低。基于特征脸的人脸识别方法特征脸方法主要是种基于变换的人脸识别方法，变换是进行图像压缩最好的种正交变换。特征脸方法的基本思想是把高维的图像空间经过变换后能得出组新的正交基，然后进行筛选，保留重要的正交基，最后由这些正交基就可以构成新的低维线性空间。假如人脸在这些低维的线性空间里的投影具有可分的性质，那么就可以把这些投影作为识别的特征矢量。但是这些方法的缺点就是需要大量的训练样本，并且它完全是基于图像灰度的统计特性的。神经网络的人脸识别方法神经网络通过模拟出人类大脑神经网络的结构和工作原理，构建出种和人脑相似的计算模型。该类算法的优点主要是可以简单方便地构造出神经网络系统，然后用来当作人脸识别的分类器，并使用人脸和非人脸样本对该系统进行训练，然后让系统自动的学习两类样本复杂的类条件密度，这样就可以防止人为假设类条件密度函数所带来的问题。但是该算法的缺点就是同样需要大量的样本进行训练，但是在很多的应用场景中，样本的数量是有限的，所以有局限性。线段距离的人脸识别方法心理学的有关研究表明，人类在识别轮廓图的速度和准确度上和识别灰度图的效果差不多。是基于从人脸灰度图像中提取到的线段图，它定义的是两个线段集之间的距离，和其它不样的是，并没有建立不同线段集之间线段的对应关系，所以它更能够适应线段图之间的微小变化。支持向量机的人脸识别方法支持向量机主要是解决的个分类的问题，它的基本思想就是把个低维的线性不可分的问题转化成个高维的线性可分的问题。大部分的实验结果表明了具有不错的识别率，但是它需要很多的训练样本，这在实际应用中通常是不太现实的。并且支持向量机的训练时间比较长，方法的实现也比较复杂，所以该函数的取法没有统的理论。第页西华大学毕业设计说明书基于人脸的预处理由于在人脸图像进行识别的时候，会受到光线表情以及角度等多种因素的影响，就会降低图像的识别率，所以就要在图像识别前进行预处理。预处理时主要采用些方法对人脸图像进行优化，把要处理的人脸亮度和大小做到尽量统，尽量去减少外部因素对人脸图像带来的影响，为后面的特征提取提高图片的质量，进而提高了人脸的识别率，增强整个软件系统匹配识别的可靠性。对于人脸图像而言，其预处理方式主要有人脸图像的光线补偿灰度变换直方图均衡化归化几何校正滤波以及锐化等。本次毕业设计主要采用的方法是直方图均衡化的方法。直方图均衡化基本原理直方图均衡化方法的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度级进行缩减，从而达到清晰图像的目的。直方图均衡化主要是通过灰度变换，重新分配人脸图像的像素值，然后再让每个灰度级上都能够具有相同的像素点数的过程。这在图像的比较和分割方面有优势。直方图是种用来说明图像的灰度级分布情况的图像分析工具。直方图的横坐标表示的是图像中每个像素点的灰度纵坐标是灰度值像素的个数，用表示。直方图的纵坐标也可以用出现这个灰度值的概率函数表示，图像像素总个数的像素个数灰度为。并知，其中为幅图像对应的灰度级数 密码中不能含有非法字符 , 验证码 , 用户名或者密码，请重新输入,  进货及退货查询代码 哈尔滨工业大学华德应用技术学院本科毕业设计论文 进货信息 进货退货  添加进货代码 进货信息 计算输入的金额是否正确 应付金额填写 哈尔滨工业大学华德应用技术学院本科毕业设计论文 , 添加成功  用户修改代码 密码中不能含有非法字符 , , 密码修改成功 西华大学毕业设计说明书摘要人脸识别是指基于人的脸部特征信息进而实现对身份识别的种生物识别技术，它是现在生物模式识别领域里非常重要和实用的人工智能研究课题。相比于指纹虹膜识别来说，人脸识别是非接触式，运用起来会更加直观方便。近年来，人脸识别技术引起了越来越多的研究人员的重视。人脸识别技术的研究取得了很大程度上的进展，它现在广泛的应用于日常生活的各种领域，如网络的安全公安电子商务金融考勤和物业管理等。本文针对人脸预处理特征提取和分类识别方面进行了研究和分析。首先，分析了光线姿态表情角度等因素对图像质量的影响，明确了人脸预处理的必要性并介绍常用的预处理方法。然后，介绍和分析小波变换和主成分分析方法，用于人脸特征提取。本文分别采用最近邻分类器和分类器识别人脸特征。并使用人脸库进行实验，分别通过不同的实验结果来分析预处理的作用小波和的性能，以及最近邻和支持向量机两种分类器的性能比较。关键词人脸识别预处理小波支持向量机西华大学毕业设计说明书西华大学毕业设计说明书目录前言人脸识别介绍人脸识别发展历史人脸识别系统构脸图像采集及检测人脸图像预处理人脸图像特征提取人脸图像匹配与识别人脸识别常用方法基于人脸的预处理直方图均衡化基本原理实现方法人脸特征提取与识别小波变换基本原理主成分分析法基本原理分类方法最近邻法基本原理支持向量机基本原理系统设计与实验结果设计目的功能实现小波变换主成分分析法西华大学毕业设计说明书最近邻法支持向量机工作流程图不同实验结果分析不进行预处理进行预处理存在的问题和不足平台人脸辨识实现以及开发环境系统介绍上的运行效果图硬件环境软件环境运行环境总结致谢参考文献第页西华大学毕业设计说明书前言随着互联网和现代科技的不断发展，每个人的身份渐渐趋向于数字化和隐秘性，人们对身份的鉴定以及信息安全可靠性也越来越重视。而比较传统的身份鉴别方式，如卡密码等，由于安全性比较低的问题，已经无法适应现在社会的要求。现在生物特征鉴别技术迅速的发展，而人脸识别作为生物模式识别中的重要分支，也越来越受到人们的关注和研究。人脸识别技术就是指通过计算机等智能设备采集到有效的人脸特征信息，并根据这些特征对身份进行验证的门技术。在所有的生物特征识别中，人脸特征是最自然的，也是最友好最容易获取的特征，而且人脸特征提取具有非接触性操作方便等优点，所以目前人脸识别的研究是图像处理领域里最热门的课题。这次本组总的毕业设计任务就是实现款人脸识别的软件。其中，由位同学专门负责系统的平台搭建最后系统的集成和数据库的部分，其余同学主要负责的功能有实现人脸定位人脸分割人眼开闭状态判断人脸头部动作判断人脸性别检测人脸预处理人脸辨识模式识别和人脸验证模式识别等。而我的主要任